Nanocoder-Preise: die kostenlose CLI, die Modellrechnung und die Kostenzeile

Nanocoder ist kostenlos: Die CLI ist MIT-lizenziert und erfordert weder ein Konto noch einen Tarif oder Lizenzschlüssel; „Nanocoder-Preise“ bedeuten in der Praxis also die dahinterliegende Modellabrechnung – Token beim jeweils konfigurierten Provider oder Hardware- und Stromkosten für ein lokales Modell. Die Zahl in deinem Terminal ist nicht diese Abrechnung. Nanocoder bepreist jede Antwort anhand einer Drittanbieterdatenbank, die keinen Eintrag für dein Gateway enthält, und diese Seite gibt exakt wieder, wie sich das auf den Wert auswirkt.

Zunächst eine Abgrenzung, weil die Suchergebnisse mehrere Dinge vermischen. Diese Seite handelt von Nano-Collective/nanocoder, veröffentlicht als @nanocollective/nanocoder und dokumentiert unter docs.nanocollective.org/nanocoder. Beachte das abschließende r. Ein separates Projekt namens nanocode – ein Coding-Agent für NanoGPT –, außerdem NanoGPT selbst, das Token verkauft und sowohl unter nano-gpt.com als auch unter nanogpt.net eine echte Preisliste veröffentlicht, sowie ein polnisches Softwarehaus unter dem Namen Nanocoder erscheinen für diese Suchanfragen ebenfalls weit oben. Keiner ihrer Preise gehört auf diese Seite.

Was Nanocoder berechnet und was dir tatsächlich in Rechnung gestellt wird

Die Installation ist auf jedem dokumentierten Weg kostenlos und erfordert kein Konto: npm install -g @nanocollective/nanocoder, Homebrew oder Nix. Die npm-Registry führt 1.30.0 als latest, veröffentlicht am 26. August 2026, mit engines.node >= 22 und "license": "MIT" (Abruf der Registry am 21. September 2026 – bis dahin war keine neuere Version veröffentlicht worden).

Das Projekt wird durch Spenden und Sponsoring statt durch die Nutzer finanziert. Ein Hinweis zur Transparenz gehört an diese Stelle, weil er die Empfehlungen beeinflusst, die Sie an anderer Stelle lesen werden: Atlas Cloud ist in Nanocoders eigener README als Sponsor aufgeführt, die auch auf dessen „Werbeangebot für Coding-Pläne“ für einen „budgetfreundlicheren API-Zugang“ verlinkt. Diese Empfehlung steht in einem Dokument, das der Sponsor mitfinanziert, und ist kein Beleg dafür, dass der Plan am günstigsten ist. Diese Coding-Pläne sind monatliche Abonnements mit einem wöchentlichen Punktekontingent. Der Punkteverbrauch berechnet sich aus den Eingabetokens multipliziert mit einem Eingabemultiplikator plus den Ausgabetokens multipliziert mit einem Ausgabemultiplikator, wobei die Multiplikatoren für jedes Modell festgelegt werden. Was ein solcher Plan pro Million Tokens kostet, hängt also davon ab, welches Modell Sie verwenden; es ist kein einheitlicher Betrag, den Sie neben eine Preisliste stellen können.

Die Kostenangabe in deinem Terminal ist nicht deine Rechnung

Version 1.30.0 fügte unter jeder Assistentennachricht eine Fußzeile hinzu, zum Beispiel Tokens: 4.2k | ~$0.01. Sie ist die nützlichste Zahl auf dem Bildschirm und am leichtesten falsch zu verstehen, weil Nanocoder deinen Provider nie fragt, was er berechnet.

Hier ist der Mechanismus, aus dem veröffentlichten Quellcode am Tag v1.30.0 abgelesen. Die Preise stammen aus models.dev/api.json. Die Suche übernimmt deine Modell-ID und durchsucht laut eigenem Kommentar „alle Provider und wählt den Treffer mit dem größten Kontextlimit“ – der von dir konfigurierte Provider wird also nie konsultiert, sondern nur die ID-Zeichenfolge. Als diese Datei am 21. September 2026 abgerufen wurde, enthielt sie 223 Provider und keinen Eintrag für Kunavo. Eine von Kunavo bereitgestellte ID wird daher dem jeweils unabhängigen Eintrag zugeordnet, der zufällig dieselbe Zeichenfolge trägt und das größte Kontextfenster angibt.

Wenn man diesen exakten Algorithmus für eine angenommene Sitzung mit 200.000 Eingabetoken und 15.000 Ausgabetoken auf diese Datei anwendet, ergibt sich die unten dargestellte Lücke. Die Katalogschätzung ist eine Berechnung anhand des Kunavo-Katalogs; die letzte Spalte zeigt, welche Summe Nanocoders Fußzeile für dieselben Token ausweisen würde.

Zwei unterschiedliche Fehler, beide verursacht durch eine einzige Suche. Wenn der gewinnende Eintrag einen höheren Tarif veröffentlicht, überhöht die Fußzeile den Betrag. Wenn er Nullen oder überhaupt keinen cost-Block veröffentlicht, zeigt die Fußzeile nichts an – und fehlende Kosten wirken wie kostenlos. Dieser letzte Schritt ist im ausgelieferten Code beabsichtigt: Ein fehlender Kostenblock wird in einen Nulltarif statt in „unbekannt“ umgewandelt, und der Formatierer im veröffentlichten Paket gibt bei Kosten von null oder weniger nichts zurück, damit „kostenlose/lokale Modelle keinen Kostenabschnitt statt ‚$0.00‘ anzeigen“. Die Logik ist für ein lokales Modell korrekt und für ein kostenpflichtiges Modell falsch, dessen ID mit einem Verzeichniseintrag ohne Preis kollidiert.

Darauf kommen zwei weitere Verzerrungen. models.dev veröffentlicht für einige Einträge Preisstufen für lange Kontexte; der veröffentlichte Client übernimmt aus jedem Eintrag nur die pauschalen input- und output-Tarife und liest die Stufen nie aus, sodass eine Anfrage oberhalb einer Stufenschwelle zu niedrig angesetzt wird. Außerdem erklärt der eigene Changelog von Version 1.30.0, dass die Schätzung „alle Eingabetoken zum Standardtarif bepreist – Rabatte für das Lesen/Schreiben des Caches werden nicht berücksichtigt, sodass Kosten bei Providern mit Prompt-Caching überhöht sein können“. Unter Prompt-Caching siehst du, wie diese Rabatte aussehen, wenn eine Route sie unterstützt.

Die Tarife in dieser Tabelle sind eine Momentaufnahme: models.dev wird fortlaufend bearbeitet, und der Eintrag, der den Gleichstand beim größten Kontextlimit gewinnt, kann sich ändern, ohne dass sich auf deinem Rechner etwas ändert. Die Reproduktion ist kurz: api.json abrufen, jeden Provider finden, der deine exakte Modell-ID führt, den Eintrag mit dem größten limit.context behalten und seinen cost-Block auslesen. Das eigene Abrechnungsprotokoll deines Providers ist die maßgebliche Zahl; siehe Abrechnungsdetails.

Was ausgeliefert ist und was nur im Entwicklungszweig vorhanden ist

Diese Unterscheidung entscheidet, ob mehrere der häufig zitierten Korrekturen tatsächlich auf deinem Rechner existieren. Sowohl /latest/ als auch /v1.30.0/ auf der Dokumentationswebsite lieferten bei der Prüfung am 21. September 2026 Inhalte von v1.30.0; der docs/-Ordner des Repositorys auf main ist beiden voraus.

Jedes oben genannte „Nein“ wurde durch eine Suche in der veröffentlichten Seite überprüft und nicht abgeleitet; die Anthropic-Providerseite dient als Plausibilitätsprüfung: null Treffer für „Prompt caching“ und „cache-aware“, während dasselbe HTML sdkProvider sechsmal enthält. Dies sind echte Abwesenheiten und kein Darstellungsfehler. Auf main nach der Veröffentlichung vom 26. August wurden Änderungen vorgenommen, die alle diese Funktionen hinzufügen – ein Verweis auf eine Datei auf main beschreibt daher Software, die du noch nicht installieren kannst, und eine neuere Veröffentlichung würde mehrere dieser Zeilen verändern.

Bestes Modell für Nanocoder: eine Fähigkeitsfrage, kein Ranking

Nanocoder veröffentlicht kein empfohlenes Modell, keine Rangliste und keine Hardware-Spezifikation. Eine vollständige Prüfung der Dokumentation am 21. September 2026 ergab keinen Mindest-RAM, keinen VRAM-Wert und keine empfohlene GPU; außerdem ist das Verzeichnis benchmarks/ des Repositorys ein Qualitätsbericht über die erstellte CLI – Exit-Codes, Modulanzahl, ungefähre Start- und Erst-Render-Zeiten sowie Bundle-Größe – und nichts, womit ein Modell bewertet wird. Auch hier wurde kein Aufgaben-Benchmark durchgeführt; daher veröffentlicht diese Seite kein Ranking – eine aus dem Nichts zusammengestellte Rangliste ist schlechter als gar keine.

Was der Anbieter veröffentlicht, eignet sich ohnehin besser für eine Budgetseite, weil es verändert, was das Modell tun kann, statt wie es abschneidet. Das standardmäßige auto-Toolprofil „behält laut der v1.30.0-Tune-Dokumentation die vollständige Tool-Oberfläche für Cloud-Modelle und Modell-IDs ohne Größenhinweis bei, löst Modelle mit bis zu 15B Parametern zu minimal auf und Modelle mit bis zu 4B Parametern zu nano auf“.

Zwei praktische Schlussfolgerungen. Erstens stellt die Dokumentation ausdrücklich fest, dass „MCP-Tools nur im aufgelösten full-Profil bereitgestellt werden“ – das Verbinden eines MCP-Servers mit einem kleinen lokalen Modell bewirkt also nichts, bis du das Profil manuell wechselst oder zu einem größeren Modell übergehst. Zweitens begrenzt die mitgelieferte Voreinstellung „Nano (low-end hardware)“ die maximale Tokenzahl auf 2048; das ist eine echte Obergrenze für die Antwortlänge und kein Hinweis. Nanocoders eigene Battlemap argumentiert, dass kleine und ältere Modelle weiterhin nutzbar sind, weil drei Tool-Aufrufpfade enthalten sind – natives Function Calling, ein XML-Fallback und ein JSON-Fallback, jeweils mit Reparatur bei beiden Fallbacks –, doch das ist die Behauptung des Maintainers, und es wird keine Erfolgsquote veröffentlicht. Einen breiteren Überblick über die Modellabwägungen bietet der Vergleich von Coding-Modellen.

Lokal gegenüber remote: zwei unterschiedliche Budgets

Ein Nutzer mit lokalem Schwerpunkt ist kein Käufer einer kostenpflichtigen API mit einer kleineren Rechnung; wer beide gleich behandelt, gibt in beide Richtungen schlechte Ratschläge. Nanocoders eigene Battlemap erklärt: „Wenn du Nanocoder gegen ein lokales Modell ausführst, kann die gesamte Schleife ohne ausgehenden Netzwerkverkehr laufen“, und sieben lokale Server – Ollama, llama.cpp, llama-swap, LM Studio, LocalAI, MLX Server und vLLM – sind als erstklassige Provider dokumentiert. Das ist die Positionierung des Projekts, keine hier vorgenommene Messung.

Die ehrliche Aussage zu lokalen Kosten lautet, dass niemand welche veröffentlicht hat. Nanocoder quantifiziert keine Hardwareanforderung; daher musst du Kapital- und Stromkosten selbst ansetzen. Zwei Verhaltensweisen machen die Lücke sichtbar statt sie zu verbergen: Für lokale und kostenlose Modelle wird der Kostenabschnitt weggelassen, und bei Headless-Ausführungen wird der usage-Block „vollständig weggelassen, wenn der Provider keine Token-Telemetrie meldet (bei lokalen Modellen häufig); ein fehlender Block bedeutet ‚unbekannt‘, niemals ‚null‘“.

Eine Falle gleich zu Beginn. Ollamas Preisseite erklärt: „Das Ausführen von Modellen auf eigener Hardware ist immer unbegrenzt“, und Nanocoders Ollama-Provider-Dokumentation behandelt nur den lokalen Endpunkt, für den kein Schlüssel erforderlich ist. Dieselbe Seite verkauft jedoch auch gehostete Tarife – Pro für $20 im Monat mit $60 monatlichen Nutzungsguthaben, Max für $100 mit $300, Team für $500 mit $1.000 gemeinsamem Guthaben sowie einen benutzerdefinierten Enterprise-Tarif (geprüft am 21. September 2026). „Ollama ist kostenlos“ trifft also auf den lokalen Weg zu und nicht auf den gehosteten. Kunavos Dokumentation zum Ollama-kompatiblen Endpunkt beschreibt die Form dieser API, wenn du zwischen beiden wechselst.

Ein Hinweis zu Gateway-Aufladungsgebühren, weil diese Zeile oft übersehen wird. OpenRouters FAQ erklärt, dass es „keinen Aufschlag auf die Inferenzpreise“ gibt und stattdessen eine Gebühr „beim Kauf von Guthaben“ berechnet wird, zuzüglich einer weiteren Gebühr für die Nutzung eines eigenen Schlüssels oberhalb eines vom Tarif abhängigen Freibetrags. Diese Prozentsätze variieren je nach Zahlungsmethode und Tarif und werden beim Rendern in die Seite eingesetzt; daher wird hier keiner genannt – lies den aktuellen Wert bei deinem eigenen Checkout. OpenRouter-Alternativen und OpenAI-kompatible API behandeln den Vergleich allgemeiner.

Die Tokenkosten budgetieren

Die Katalogspalte in der obigen Tabelle ist die Schätzung, von der du beim Budgetieren ausgehen solltest, und sie ist eine beispielhafte Tokenberechnung und weder die gemessenen Kosten einer Aufgabe noch eine Rechnungsobergrenze. Ihre Annahmen sind eine Sitzung mit 200,000 nicht gecachten Eingabetoken und 15,000 Ausgabetoken zu den aktuellen Katalogtarifen, ohne Cache-Lesevorgänge und ohne Tool-Gebühren. Reale Sitzungen unterscheiden sich je nach Repositorygröße, wie oft der Agent Dateien erneut liest und wie viel Tool-Ausgabe zurück im Kontext landet – außerdem verändert das obige Toolprofil den Overhead pro Runde, bevor irgendetwas davon berücksichtigt wird.

Skaliere den Wert anhand deiner eigenen Sitzungen pro Tag, bevor du ihn als Budget behandelst. Unter diesen Annahmen modelliert Claude Haiku 4.5 etwa 51 Sitzungen pro $10 Guthaben und Claude Opus 5 etwa 10; damit lässt sich ein Guthaben bemessen, ohne dir zu sagen, welches Modell deine Arbeit abschließt. Der günstigste aufgeführte Tarif und die niedrigsten Kosten bis zum Abschluss sind unterschiedliche Aussagen: Ein günstigeres Modell, das drei Versuche benötigt, kann mehr kosten als eines, das einen einzigen Durchlauf braucht. KI-Kostenoptimierung behandelt diese Methode angemessen.

Kunavos Katalogbetrag ist eine Abrechnungsuntergrenze und keine Obergrenze: Wenn der Upstream seine Gebühr meldet, entspricht die Rechnung dem höheren Wert aus den Katalogkosten und den Upstream-Kosten multipliziert mit dem anwendbaren Aufschlag. Cache-Gebühren und externe Tools liegen außerhalb dieses Beispiels. Die minimale Aufladung beträgt $10 im Prepaid-Guthaben – eine Mindestfinanzierung, keine Aufgabengebühr und kein Abonnement.

Nanocoder auf einen benutzerdefinierten Endpunkt verweisen

Jeder OpenAI-kompatible Dienst wird als benutzerdefinierter Provider hinzugefügt, entweder interaktiv über /settings providers oder in agents.config.json – zuerst die Projektdatei, anschließend ein benutzerverzeichnisspezifisches Konfigurationsverzeichnis je Betriebssystem; NANOCODER_CONFIG_DIR überspringt beide Suchvorgänge, und die Umgebungsvariable NANOCODER_PROVIDERS hat von allen die höchste Priorität.

{
  "nanocoder": {
    "providers": [
      {
        "name": "Kunavo",
        "baseUrl": "https://api.kunavo.com/v1",
        "apiKey": "${KUNAVO_API_KEY}",
        "models": ["claude-sonnet-4-6"],
        "contextWindow": 1000000
      }
    ]
  }
}

Drei Hinweise zu diesem Block, alle aus der Provider-Dokumentation von v1.30.0. sdkProvider wird weggelassen, weil der Standardwert openai-compatible ist; die anderen Werte in der Optionentabelle sdkProvider dieser Version sind google, anthropic und github-copilot, während chatgpt-codex auf einer eigenen Providerseite und nicht in dieser Tabelle dokumentiert ist. Schlüssel und andere Konfigurationswerte unterstützen die Substitutionen $VAR, ${VAR} und ${VAR:-default}. Außerdem ist der Standardwert von requestTimeout 120.000 ms; mit -1 wird die Einstellung deaktiviert – das ist für ein langsames lokales Modell deutlich wichtiger als für ein gehostetes.

Das Kontextfenster ist die Angabe, deren Weglassen dich am ehesten Geld kostet. Nanocoder bestimmt das Kontextlimit eines Modells in einer dokumentierten Reihenfolge mit sechs Schritten: eine Sitzungsüberschreibung per /context-max oder --context-max, dann contextWindows[model], dann contextWindow, dann NANOCODER_CONTEXT_LIMIT, anschließend models.dev-Metadaten und zuletzt eine integrierte Ollama-Fallback-Zuordnung. Da Kunavo in models.dev fehlt, können die letzten beiden Schritte nicht helfen; daher muss einer der ersten vier Werte manuell gesetzt werden – der obige Wert stammt aus dem eigenen Kunavo-Katalogeintrag dieses Modells. Das ist mehr als eine Anzeige: Auto-Compact wird bei einem Prozentsatz des aufgelösten Kontextlimits ausgelöst, standardmäßig bei 60; ein falsches Limit verändert also, wie oft der Agent den Kontext komprimiert und erneut sendet, und das verursacht Tokenkosten.

Noch eine Falle vor dem ersten Lauf. Wenn du sdkProvider: "anthropic" für einen Endpunkt setzt, der eine Modell-ID bereitstellt, die das zugrunde liegende SDK nicht als Claude-Modell erkennt, fällt es auf eine Ausgabeobergrenze von 4096 Token zurück und schneidet lange Antworten mitten im Satz ohne Fehlermeldung ab. Dies wird unter „Output Token Ceiling“ in der Provider-Dokumentation auf main beschrieben; die Obergrenze selbst stammt aus @ai-sdk/anthropic, von dem v1.30.0 bereits abhängt – das Verhalten ist also in der veröffentlichten Version vorhanden, obwohl die Dokumentation es nicht ist. Die auf dieser Seite genannte Lösung, maxOutputTokens, ist ebenfalls noch nicht veröffentlicht; unter v1.30.0 besteht der Ausweg darin, stattdessen beim standardmäßigen openai-compatible-Pfad zu bleiben.

Kunavo veröffentlicht einen Nanocoder-Einrichtungsleitfaden, der als Konfigurationsreferenz und nicht als Kompatibilitätstest dient: Nanocoder wurde nicht zur Laufzeit gegen Kunavos Endpunkt getestet, daher sind Streaming, Tool-Aufrufe, Authentifizierung und Model-Routing hier nicht durchgängig bestätigt. Halte während des Ausprobierens eine funktionierende Route verfügbar, führe anschließend eine begrenzte Aufgabe aus und lies dann die dafür von deinem Konto aufgezeichnete Gebühr statt der Fußzeile ab. Erstelle ein Kunavo-Konto, wenn du bereit bist, einen Schlüssel aufzuladen.

Vergleichst du eher Clients als Routen? Nanocoder vs. OpenCode stellt diesen Agenten dem gängigen Gegenstück gegenüber, OpenCode-Preise behandelt einen Client, dessen Maintainer Token verkauft, und das Verzeichnis für Agenten-APIs dokumentiert, wie jeder Client in diesem Bereich mit einer benutzerdefinierten Basis-URL umgeht.

Häufig gestellte Fragen

Geprüft am 21. September 2026: die npm-Registry für die veröffentlichte Version, Engines und Lizenz; die Dokumentationsseiten von v1.30.0 zu Providern, Befehlen, Tune und Battlemap einschließlich der Trefferzahlen für die fehlenden Funktionen; der Changelog von v1.30.0 und der veröffentlichte Quellcode für die Kostenformel und die models.dev-Suche; der eigene Kostenformatierer des ausgelieferten Pakets; models.dev/api.json für die Providerliste und die oben wiedergegebenen Tarife; die Version @ai-sdk/anthropic, von der v1.30.0 für die Obergrenze von 4096 Token abhängt; Ollamas Preisseite; die Coding-Plan-Seite von Atlas Cloud und die FAQ von OpenRouter. Das Suchvolumen für die Zielanfragen dieser Seite wurde in der zugrunde liegenden Recherche nicht gemessen, und die zugrunde liegenden Momentaufnahmen der Suchergebnisse stammen vom 17. September 2026. Nanocoder wurde nicht zur Laufzeit gegen Kunavo getestet, es wurde kein Modell-Benchmark durchgeführt, und jeder Kunavo-Dollarbetrag hier ist eine beispielhafte Tokenberechnung aus dem aktuellen Katalog und keine gemessenen Kosten einer Aufgabe.